共查询到20条相似文献,搜索用时 328 毫秒
1.
2.
3.
4.
介绍了马钢冷轧总厂数字钢卷系统的体系结构,重点分析了数字化系统、网络与数据通信系统的构成以及数字信息在实际生产中的应用.该系统将分散的各个系统或单体设备的数据进行统一集中到一个数据平台,对数据进行统一、匹配和分析,再通过分析结果进行对生产工艺参数进行优化设置. 相似文献
5.
为加强在大数据背景下煤矿瓦斯监测技术管理的研究,借助大数据的优势提升安全管理与瓦斯防治水平.对大数据的特点以及国内外大数据在现状研究进行了分析,分析当前大数据在煤矿应用存在主要问题,重点对数据分析和信息可视化研究分析,并对未来大数据在煤矿安全技术管理的发展研究热点进行了展望. 相似文献
6.
针对部分聚类算法对数据输入顺序敏感的问题,定义了不干涉序列指数,提出了应用不干涉序列指数对分类数据进行加权排序的方法,并基于该方法对受数据输入顺序影响的CABOSFV_C分类数据高效聚类算法进行改进,提出了考虑加权排序的聚类算法(CABOSFV_CSW),消除了算法对数据输入顺序的敏感性.采用UCI基准数据集进行实验,发现应用加权升序排序的CABOSFV_CSW算法在处理分类数据时,聚类质量较原始CABOSFV_C算法和其他受数据输入顺序影响的算法在准确性上有改善,在稳定性上有显著提高. 相似文献
7.
金属矿产资源是国家工业发展的重要资源,矿产资源勘查影响着国家的经济发展。首先,对多源数据融合技术进行简单的介绍;其次,对金属矿山地质勘查中多源数据融合技术的应用流程进行分析,主要分为四步:选择数据、对数据进行预处理、数据融合和综合分析结果。经过多源数据融合技术在金属矿山地质勘查中的使用,可以使勘查的数据更加真实可靠。 相似文献
8.
工控机利用Delphi软件读取GE控制系统中相关数据,实现对焦油生产过程中的一些重要数据进行集中显示,并且可以同时将显示结果进行数据打印、数据转移。 相似文献
9.
10.
传统的分类算法大多假设数据集是均衡的,追求整体的分类精度.而实际数据集经常是不均衡的,因此传统的分类算法在处理实际数据集时容易导致少数类样本有较高的分类错误率.现有针对不均衡数据集改进的分类方法主要有两类:一类是进行数据层面的改进,用过采样或欠采样的方法增加少数类数据或减少多数类数据;另一个是进行算法层面的改进.本文在原有的基于聚类的欠采样方法和集成学习方法的基础上,采用两种方法相结合的思想,对不均衡数据进行分类.即先在数据处理阶段采用基于聚类的欠采样方法形成均衡数据集,然后用AdaBoost集成算法对新的数据集进行分类训练,并在算法集成过程中引用权重来区分少数类数据和多数类数据对计算集成学习错误率的贡献,进而使算法更关注少数数据类,提高少数类数据的分类精度. 相似文献
11.
提出一种基于合成核支持向量机的高光谱数据分类方法.该方法首先对高光谱数据进行分组,对得到的不同数据组分别运用支持向量机方法进行分类参数的优化,然后组合不同的核函数来综合不同的数据组,得到最终的分类结果.利用华盛顿地区HYDICE高光谱数据对所提出的方法进行评价和验证,结果表明,基于合成核支持向量机的高光谱图像分类,可获得比传统支持向量机更高的分类精度. 相似文献
12.
13.
随着互联网时代的到来,大数据成了当下各行各业发展的重要指标。民航空管也积极响应时代的召唤,投身到大数据的建设中去。文章先介绍大数据和空管大数据概念,然后分析当前空管对大数据的几个实例应用,再对空管大数据进行展望。 相似文献
14.
15.
对黄金价格预测时常采用大样本数据建模方法,该方法首先对数据进行统计分析,找到数据内在统计特征,再寻求符合该特征的模型;但该方法在数据统计分析时受到统计手段和方法的约束,数据本身的内在特征往往不能充分反映,因此模型的选择受到限制。针对黄金价格数据不具有趋势性变化的特征,利用灰色GM(1,1)系统建模理论、数据驱动建模原理及振荡序列的数据处理方法,建立了基于振荡序列的黄金价格动态预测模型。该模型不仅对黄金价格数据自身存在的振荡性进行了处理,避免了数据大波动,同时利用动态数据驱动方法不断更新数据,提高了预测精度。 相似文献
16.
17.
提出采用GPS-RTK技术对煤矿开采沉陷进行监测,并对矿井开采条件以及地表沉陷监测面临问题进行了分析,对GPS-RTK技术原理以及技术优势进行了阐述及现场地表沉陷监测结果进行了分析,同时对比分析了静态CPS测量、GPS-RTK数据,后基于静态CPS测量数据对GPS-RTK测量数据进行修正,现场应用表明GPS-RTK技术具有较高的测量精度,可满足采空区地表沉陷监测需求。 相似文献
18.
19.
在热连轧生产过程中会产生大量的数据,使用这些海量数据进行诊断和预报非常困难,运算时间较长,甚至会导致"维度灾难"。因此,需要对特征进行提取,去除冗余和不相关的特征。提出基于主成分分析-深度置信网络(principal component analysis-deep belief network,简称PCA-DBN)的热连轧数据特征提取,采用主成分分析(principal component analysis,简称PCA)对数据集进行特征提取,并将选择出的特征按照贡献率可视化,直观显示提取的特征。二次特征提取采用深度置信网络(deep belief network,简称DBN)对已提取数据集进行二次特征提取。将最终得到的数据集作为粒子群优化的最小二乘支持向量机(particle swarm optimization-least squares support vector machine,简称PSO-LSSVM)对精轧轧制力进行预报的数据集,以检验特征提取的合理性。试验显示,预报相对误差要小于机理模型预报相对误差,说明提取特征比较合理。 相似文献